تخصیص هوشمند منابع در شبکه ها با استفاده از یادگیری تقویتی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 681

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

RSTCONF01_639

تاریخ نمایه سازی: 30 آبان 1394

چکیده مقاله:

هدف از برخی شبکه ها به اشتراگ گذاری منابع بمنظور انجام محاسبات توزیع شده در یک محیط پویا و احتمالا نا همگن است وبکارگیری الگوریتمهای مناسب تخصیص منابع، نقشی کلیدی در موفقیت سیستمهای شبکه ای دارد. از آنجا که کنترل مرکزی محیطهای ناهمگون به دشواری صورت میگیرد و طبیعت منابع موجود نیز تصادفی میباشد، هر مکانیزم موفق تخصیص منابع باید توزیع گسترده ای ایجاد کند و در برابر تغییرات در محیط شبکه مقاوم باشد. اما مطلوب استکه این مکانیزم تنها بر اطلاعات موجود متکی نباشد و در طول زمان با تجربه ای که از محیط ناشناخته بدست میآورد، نحوه تخصیص بهبود یابد. یکی از اجزاء در محیطشبکه، زمانبند ها هستند که وظیفه اصلی آنها تخصیص منابع برای انجام درخواست جدید می باشد. در این مقاله الگوریتمها و روابط مختلف در تخصیص منابع بصورت هوشمند در یک شبکه ناهمگن با استفاده از یادگیری تقویتی مورد بررسی قرار گرفته است. در واقع میتوان گفت که در این پژوهشها هر زمانبند بعنوان یک عامل هوشمند درنظر گرفته شده است که توانایی یادگیری دارد و به مرور زمان شناخت خود را از شیکه افزایش میدهد

نویسندگان

محسن مصطفوی

دانشجوی کارشناسی ارشد مهندسی کامپیوتر، نرم افزار، دانشکده مهندسی، دانشگاه علوم و تحقیقات فارس،

محمدرضا اسلامی نژاد

استادیار ، دکترای مهندسی کامپیوتر، موسسه آموزش عالی زند،

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • اسفندیاری، س. معصومی، ب. میبدی، م. (1390) _ ارائه روش ...
  • بازیابی هوشمندانه منابع درشبکه گرید [مقاله کنفرانسی]
  • Abdallah, S., and Lesser, _ (2006, May). Learning the task ...
  • Berman, F., Wolski, R., Casanova, H., Cirne, W., Dail, H., ...
  • Brugnoli, M., Heymann, E.. & Senar, M. (201 0, February). ...
  • Butt, A. _ Zhang, R., and Hu, Y. C. (20 ...
  • Cantillon, E., and Pesendorfer, M. (2006). Auctioning bus routes: The ...
  • Chevaleyre, Y., Dunne, P. E., Endriss, U., Lang, J., Lemaitre, ...
  • Chung, W. C., and Chang, R. S. (2009). A new ...
  • Claus, C., and Boutilier, C. (1998, July). The dynamics of ...
  • Condor, G. (20 02). A Computation Management Agent for Multi ...
  • Feldmann, R., Gairing, M., Licking, T., Monien, B. and Rode, ...
  • Galstyan, A., Czajkowski, K., and Lerman, K. (2005). Resource allocation ...
  • Gradwell, P., and Padget, J. (2005). Markets vs auctions: Approaches ...
  • Krauter, K., Buyya, R., and Maheswaran, M. (2002). A taxonomy ...
  • Littman, M. L. (2001). Value-function reinforcement learning in Markov games. ...
  • Shapley, L. S. (1953). Stochastic games. Proceedings of the National ...
  • Sutton, R. S., and Barto, A. G. (1998). Reinforcemet learning: ...
  • Tesauro, G., Jong, N. K., Das, R., and Bennani, M. ...
  • Tumer, K., Agogino, A. K., & Wolpert, D. H. (2002, ...
  • Vengerov, D. (20 07). A reinforcement learning approach to dynamic ...
  • WeiB, G. (1995). Distributed reinforcemen learning. In The Biology and ...
  • Weissman, J. B., and Grimshaw, A. S. (1996, August). A ...
  • Wu, J., Xu, X., Zhang, P., and Liu, C. (201 ...
  • Zhang, C. J., Lesser, V., and Shenoy, P. (2008). A ...
  • Zhang, C., Lesser, V. R., and Shenoy, P. J. (2009, ...
  • نمایش کامل مراجع